Ngày 10/9/2026, Học viện Công nghệ Bưu chính Viễn thông (PTIT) phối hợp với Câu lạc bộ các Khoa – Trường, Viện Công nghệ thông tin – Truyền thông Việt Nam (FISU) tổ chức hội thảo khoa học “AI & Điện tử Viễn thông: Cơ hội, thách thức và hướng đi tương lai” (AI4TELECOM 2026). Sự kiện đặt một câu hỏi gần với người học AI: một thuật toán thông minh có thể giải quyết vấn đề gì khi đi vào hạ tầng mạng và thiết bị thực tế?

Theo thông tin từ Học viện, hội thảo gồm phiên tổng thể và bốn phiên chuyên đề. Các nội dung trải từ chiến lược phát triển AI đến ứng dụng trong mạng di động thế hệ tiếp theo, thiết kế và tối ưu mạng, phần cứng tăng tốc Edge AI, vi mạch bán dẫn và trình diễn giải pháp của doanh nghiệp. Đại diện Qualcomm Việt Nam trình bày về AI cho mạng di động thế hệ tiếp theo; ZTE Việt Nam và Ericsson Việt Nam chia sẻ các hướng tiếp cận AI trong hạ tầng mạng.

Vì sao sinh viên AI nên quan tâm?

Một mô hình học máy trong phòng thí nghiệm thường được đánh giá bằng dữ liệu và chỉ số. Khi ứng dụng vào mạng viễn thông, bài toán còn liên quan đến độ trễ, tài nguyên tính toán, thiết bị, chất lượng dịch vụ và điều kiện vận hành. Những chủ đề tại AI4TELECOM cho thấy AI cần được đặt cạnh kiến thức về hệ thống và lĩnh vực ứng dụng để tạo ra giải pháp dùng được trong thực tế.

Với người học quan tâm đến nghiên cứu, hội thảo gợi mở các câu hỏi để tìm hiểu sâu hơn: làm sao tối ưu mô hình cho thiết bị biên; dùng dữ liệu mạng để hỗ trợ dự báo và điều phối tài nguyên như thế nào; hoặc đánh giá một hệ thống AI ra sao khi điều kiện triển khai thay đổi? Đây là các hướng tham khảo, không phải thông báo về đề tài hay chương trình tuyển thành viên của Khoa.

AI4TELECOM 2026 cũng tạo diễn đàn để cơ quan quản lý, trường đại học, nhà nghiên cứu và doanh nghiệp trao đổi trực tiếp. Đối với sinh viên, việc theo dõi những cuộc thảo luận như vậy giúp nhìn rõ hơn hành trình từ một ý tưởng thuật toán đến hệ thống có thể kiểm thử, vận hành và cải tiến.

Từ chủ đề hội thảo đến hướng học tập

Để bắt đầu tìm hiểu một hướng ứng dụng, sinh viên có thể chọn một bài toán nhỏ, đọc tài liệu nền tảng rồi xây dựng thử nghiệm có phạm vi rõ ràng. Chẳng hạn, với hướng tối ưu mô hình trên thiết bị biên, người học có thể đặt câu hỏi về sự đánh đổi giữa chất lượng dự đoán và tài nguyên sử dụng. Điều cần thể hiện trong báo cáo là cách chọn tiêu chí đánh giá, điều kiện thử nghiệm và giới hạn của kết quả.

Cách học này cũng giúp việc trao đổi với giảng viên và chuyên gia cụ thể hơn. Thay vì một đề xuất quá rộng như “ứng dụng AI trong viễn thông”, sinh viên có thể trình bày vấn đề mình muốn giải quyết, dữ liệu có thể tiếp cận và kết quả dự kiến kiểm chứng. Những chủ đề được giới thiệu tại hội thảo vì vậy có thể trở thành điểm khởi đầu cho việc đọc tài liệu, làm bài tập lớn và tìm kiếm hướng nghiên cứu phù hợp.

AI4TELECOM 2026 cũng tạo diễn đàn để cơ quan quản lý, trường đại học, nhà nghiên cứu và doanh nghiệp trao đổi trực tiếp. Đối với sinh viên, việc theo dõi những cuộc thảo luận như vậy giúp nhìn rõ hơn hành trình từ một ý tưởng thuật toán đến hệ thống có thể kiểm thử, vận hành và cải tiến.

Dữ liệu và đánh giá: Những câu hỏi cần đặt ra từ đầu

Khi chuyển một ý tưởng thành thử nghiệm, bước đầu tiên là xác định dữ liệu phản ánh điều gì và có phù hợp với vấn đề cần giải quyết hay không. Với một bài tập mô phỏng dự báo lưu lượng mạng, chẳng hạn, người học cần làm rõ khoảng thời gian quan sát, cách xử lý các giá trị thiếu và phạm vi mà kết quả có thể áp dụng. Đây là ví dụ về cách tiếp cận một đề tài, giúp sinh viên hình dung những câu hỏi cần trả lời trước khi lựa chọn mô hình.

Phần đánh giá cũng cần bám sát mục tiêu ban đầu. Nếu bài toán đặt trọng tâm vào khả năng phản hồi nhanh, báo cáo cần thể hiện thời gian xử lý trong điều kiện đo cụ thể. Nếu hướng tới triển khai trên thiết bị có tài nguyên hạn chế, người thực hiện cần xem xét yêu cầu bộ nhớ và tính toán. Đặt những tiêu chí này cạnh chất lượng dự đoán giúp kết quả thử nghiệm có ý nghĩa rõ ràng hơn, đồng thời tạo cơ sở để so sánh các phương án.

Một nội dung khác sinh viên có thể rèn luyện là phân tích những trường hợp hệ thống hoạt động chưa tốt. Kết quả trung bình chỉ là một phần của bức tranh. Việc mô tả nhóm dữ liệu gây khó khăn, điều kiện thử nghiệm còn thiếu và nguyên nhân cần kiểm tra thêm giúp báo cáo thể hiện được quá trình suy nghĩ của người nghiên cứu. Cách làm này cũng tạo điểm nối tự nhiên giữa thử nghiệm đầu tiên và những bước cải tiến tiếp theo.

Phát triển năng lực làm việc giữa AI và kỹ thuật hệ thống

Các hướng ứng dụng AI trong điện tử và viễn thông đòi hỏi người học có khả năng trao đổi với những người có chuyên môn khác nhau. Trong một nhóm dự án, người phụ trách mô hình cần hiểu yêu cầu của người xây dựng hệ thống; người xử lý dữ liệu cần nắm cách kết quả sẽ được sử dụng. Khả năng giải thích lựa chọn kỹ thuật bằng ngôn ngữ rõ ràng vì vậy có vai trò thiết thực, bên cạnh kỹ năng viết mã và thực hiện thí nghiệm.

Sinh viên có thể bắt đầu rèn luyện năng lực đó ngay trong bài tập nhóm: thống nhất bài toán, phân chia công việc, ghi lại các quyết định và cùng kiểm tra kết quả. Một bản báo cáo có cấu trúc rõ, một buổi trình bày giải thích được phương pháp và một sản phẩm thử nghiệm có thể chạy lại đều giúp quá trình trao đổi hiệu quả hơn. Đây cũng là cách xây dựng hồ sơ học tập thể hiện được cả kiến thức chuyên môn lẫn khả năng hợp tác.

Nhìn từ những chủ đề của AI4TELECOM 2026, cơ hội học tập nằm ở việc đặt kiến thức AI vào một bối cảnh ứng dụng cụ thể. Sinh viên có thể bắt đầu từ phạm vi nhỏ, từng bước hiểu dữ liệu, thuật toán và yêu cầu hệ thống, rồi mở rộng khi đã có kết quả kiểm chứng. Với cách tiếp cận đó, việc theo dõi hội thảo trở thành một phần của quá trình học chủ động: từ nhận diện vấn đề đến đặt câu hỏi và tìm lời giải bằng thực nghiệm.